技术特征：
1.一种人脸匹配加速方法，其特征在于，包括以下步骤：获取人脸样本集；通过预先训练好的高维人脸特征提取模型对所述人脸样本集进行人脸特征提取，得到第一人脸特征；以及通过待训练的低维人脸特征提取模型对所述人脸样本集进行人脸特征提取，得到第二人脸特征，其中，所述第一人脸特征的维度高于所述第二人脸特征的维度；基于所述第一人脸特征的度量距离与所述第二人脸特征的度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型；通过所述基于度量学习的低维人脸特征提取模型构建人脸特征底库，并基于所述人脸特征底库进行人脸匹配。2.如权利要求1所述的方法，其特征在于，所述基于所述第一人脸特征的度量距离与所述第二人脸特征的度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型，包括：计算所述人脸样本集中，至少两个人脸样本对应的第一人脸特征之间的第一多元度量距离；以及计算所述人脸样本集中，至少两个人脸样本对应的第二人脸特征之间的第二多元度量距离；基于所述第一多元度量距离与所述第二多元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型。3.如权利要求1所述的方法，其特征在于，所述基于所述第一人脸特征的度量距离与所述第二人脸特征的度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型，还包括：计算所述人脸样本集中，每两个人脸样本对应的第一人脸特征之间的第一二元度量距离；以及计算所述人脸样本集中，每两个人脸样本对应的第二人脸特征之间的第二二元度量距离；基于所述第一二元度量距离与所述第二二元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型。4.如权利要求3所述的方法，其特征在于，所述基于所述第一人脸特征的度量距离与所述第二人脸特征的度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型，还包括：计算所述人脸样本集中，每三个人脸样本对应的第一人脸特征之间的第一三元度量距离；以及计算所述人脸样本集中，每三个人脸样本对应的第二人脸特征之间的第二三元度量距离；基于所述第一三元度量距离与所述第二三元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型；或基于所述第一二元度量距离、所述第二二元度量距离、所述第一三元度量距离与所述第二三元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人
脸特征提取模型。5.如权利要求4所述的方法，其特征在于，所述基于所述第一二元度量距离、所述第二二元度量距离、所述第一三元度量距离与所述第二三元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型，包括：计算所述第一二元度量距离与所述第二二元度量距离的第一损失值；以及计算所述第一三元度量距离与所述第二三元度量距离的第二损失值；根据所述第一损失值与所述第二损失值，对所述低维人脸特征提取模型进行参数调整，并迭代得到基于度量学习的低维人脸特征提取模型。6.如权利要求5所述的方法，其特征在于，所述根据所述第一损失值与所述第二损失值，对所述低维人脸特征提取模型进行参数调整，包括：计算所述第一损失值与所述第二损失值的总损失值，并根据所述总损失值对所述低维人脸特征提取模型进行参数调整。7.如权利要求4所述的方法，其特征在于，所述基于所述第一二元度量距离、所述第二二元度量距离、所述第一三元度量距离与所述第二三元度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型，包括：计算所述第一二元度量距离与所述第一三元度量距离之间的第一度量和；以及计算所述第二二元度量距离与所述第二三元度量距离之间的第二度量和；根据所述第一度量和与所述第二度量和，计算所述高维人脸特征提取模型与所述低维人脸特征提取模型之间的模型损失；根据所述模型损失对所述低维人脸特征提取模型进行参数调整，并迭代得到基于度量学习的低维人脸特征提取模型。8.如权利要求7所述的方法，其特征在于，所述根据所述第一度量和与所述第二度量和，计算所述高维人脸特征提取模型与所述低维人脸特征提取模型之间的模型损失，包括：判断所述第一度量和与所述第二度量和的差值绝对值是否小于预设值；若所述差值绝对值小于等于预设值，则采用所述第一度量和与所述第二度量和的差值平方来计算所述高维人脸特征提取模型与所述低维人脸特征提取模型之间的模型损失；若所述差值绝对值大于预设值，则采用所述差值绝对值来计算所述高维人脸特征提取模型与所述低维人脸特征提取模型之间的模型损失。9.一种人脸匹配加速装置，其特征在于，所述装置包括：获取模块，用于获取人脸样本集；第一提取模块，用于通过预先训练好的高维人脸特征提取模型对所述人脸样本集进行人脸特征提取，得到第一人脸特征；以及第二提取模块，用于通过待训练的低维人脸特征提取模型对所述人脸样本集进行人脸特征提取，得到第二人脸特征，其中，所述第一人脸特征的维度高于所述第二人脸特征的维度；训练模块，用于基于所述第一人脸特征的度量距离与所述第二人脸特征的度量距离，对所述低维人脸特征提取模型进行训练，得到基于度量学习的低维人脸特征提取模型；部署模块，用于通过所述基于度量学习的低维人脸特征提取模型构建人脸特征底库，并基于所述人脸特征底库进行人脸匹配。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的人脸匹配加速方法中的步骤。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的人脸匹配加速方法中的步骤。